GovCompass

Art. 52 EU AI Act: de notificatieprocedure voor systeemrisico

Door GovCompass.ai· Laatst bijgewerkt augustus 2026· Aligned with the consolidated EU AI Act, including the 2026 Omnibus amendments.

Art. 52 zet de procedure uiteen die aansluit op de systeemrisico-classificatie van Art. 51. Een aanbieder moet de Commissie onverwijld, en binnen twee weken, op de hoogte stellen wanneer zijn AI-model voor algemene doeleinden de systeemrisico-drempel haalt of naar verwachting zal halen. De aanbieder kan bij de melding aanvoeren dat zijn model geen systeemrisico vormt ondanks het overschrijden van de drempel. De Commissie houdt een openbare lijst bij van GPAI-modellen met systeemrisico.

Onderdeel van de bredere governance-context. Dit artikel behandelt één bepaling uit de EU AI Act. Hoe die bepaling past in AI governance als geheel, van de zeven pijlers van verantwoorde AI tot de controls die systemen binnen afgesproken grenzen houden, begint bij Wat is AI governance.

De meldplicht

Art. 51 definieert wanneer een model systeemrisicosysteemrisicoCategorie van de EU AI Act voor de meest capabele general-purpose modellen (verondersteld boven een drempel van trainingsrekenkracht), wat extra plichten activeert: evaluaties, tegenwerkend testen, incidentmelding, cyberbeveiliging. Zie general-purpose AI-model, general-purpose AI.Open full entry → heeft; Art. 52 bepaalt wat een aanbiederaanbiederDe actor die een AI-systeem ontwikkelt (of laat ontwikkelen) en het onder eigen naam op de markt brengt of in gebruik neemt, met fabrikantachtige plichten: ontwerpcontrols, documentatie, conformiteit. Zie gebruiksverantwoordelijke, AI-verplichtingen.Open full entry → daaraan moet doen. Wanneer een AI-model voor algemene doeleinden aan de voorwaarde voor systeemrisico voldoet, dat wil zeggen wanneer het de rekendrempel van 10^25 FLOP bereikt of redelijkerwijs naar verwachting zal bereiken, moet de aanbieder de Commissie op de hoogte stellen. De melding is onverwijld verschuldigd en in elk geval binnen twee weken na het moment waarop de aanbieder weet of zou moeten voorzien dat de drempel is bereikt. De drempel bereiken en nalaten te melden is op zichzelf een overtreding die de handhavingsbevoegdheden van de Commissie kunnen aanpakken.

Het vermoeden betwisten

De systeemrisico-drempel is een vermoeden, en Art. 52 bouwt de route in om dat te weerleggen. Samen met de melding kan een aanbieder argumenten aandragen om aan te tonen dat zijn model, bij wijze van uitzondering, geen systeemrisico vormt ondanks het halen van de rekendrempel, omdat het feitelijk geen capaciteiten met grote impact heeft die met de meest geavanceerde modellen overeenkomen. De Commissie beoordeelt die argumenten. Aanvaardt zij ze niet, dan wordt het model als systeemrisico geclassificeerd en gelden de Art. 55-verplichtingen.

De procedure loopt in de loop van de tijd ook de andere kant op. Een aanbieder waarvan het model als systeemrisico is geclassificeerd kan om een herbeoordeling verzoeken op basis van nieuwe, concrete redenen als de omstandigheden veranderen, zodat de classificatie niet permanent vastligt zodra ze is gemaakt.

De lijst van de Commissie

Art. 52 vereist dat de Commissie een openbare lijst publiceert en bijhoudt van de AI-modellen voor algemene doeleinden die als systeemrisico zijn geclassificeerd. Deze lijst is het transparantiemechanisme voor het systeemrisico-niveau: het maakt zichtbaar welke modellen onderworpen zijn aan het zwaardere Art. 55-regime, wat van belang is voor downstream-aanbiedersdownstream-aanbiederEen aanbieder die een AI-systeem bouwt boven op het model van een andere partij, vaak een general-purpose model, en de verplichtingen op zich neemt voor het systeem dat hij levert. Zie aanbieder, general-purpose AI-model.Open full entry → die deze modellen integreren en de regulatoire status moeten kennen van datgene waarop ze bouwen.

Waarom het ertoe doet

Voor de kleine groep aanbieders waarvan de modellen de voorhoede bereiken, is Art. 52 de operationele trigger die de Art. 51-classificatie omzet in een concrete plicht met een deadline. Voor alle anderen is de gepubliceerde lijst het bruikbare artefactartefactHet concrete record dat bewijst dat een control is uitgevoerd: een testrapport, een impactassessment, een monitoringlog, een release-sign-off. Een artefact is de tastbare vorm die bewijs aanneemt, het ding waar een auditor naar grijpt om te bevestigen dat een control niet alleen is ontworpen maar ook echt heeft gewerkt. Elke fase van de AI-levenscyclus levert haar eigen anker-artefact op. Onderscheiden van bewijs als geheel: bewijs is het bewijsmateriaal, een artefact is er één stuk van. Zie bewijs, levenscyclus.Open full entry →: het is hoe een downstream-organisatie kan bevestigen of een foundation-model waarop het leunt een systeemrisico-model is dat de volledige Art. 55-verplichtingen draagt.

In de zeven pijlers van verantwoorde AI

Art. 52 is een verantwoordelijkheids- en transparantiebepaling. De meldplicht wijst duidelijke verantwoordelijkheid toe aan de modelaanbieder, en de gepubliceerde lijst operationaliseert transparantietransparantieOpenheid over het feit dát AI wordt gebruikt en hoe het in het algemeen werkt: openbaarmakingen, documentatie, kennisgevingen. Vormt een paar met uitlegbaarheid, die over individuele uitkomsten gaat. Zie uitlegbaarheid, principe.Open full entry → op het niveau van de modelmarkt, zodat downstream-partijen de regulatoire status kunnen zien van de modellen die ze integreren.

Verder lezen

WetsverwijzingenArt. 52
Delen Deel op LinkedIn

Meer over Accountability

Agentic AI en governance: waarom autonomie de beheersingsvraag verscherpt

Analysis

Agentic AI heeft geen nieuw soort governance nodig. Autonomie vergroot de afstand tussen wat een systeem doet en wie ervoor accountable is, wat de bestaande governance-keten, control die naar risico traceert en vooruit naar bewijs, belangrijker maakt, niet minder. De acties zijn echt en soms onomkeerbaar, dus de inzet op elke control stijgt.

AI governance en enterprise risk management: waar ze samenkomen

Analysis

AI governance is geen parallelle structuur die naast enterprise risk management staat. Het hoort erin. De zeven pijlers van verantwoorde AI zijn de controlestructuur waarmee de organisatie elk AI-systeem bestuurt; enterprise risk management is de machine die het restrisico dat die controls overlaten doorvoert naar de risk appetite van de board, het risicoregister, en het assurance-plan. De praktische vraag is niet of je AI governance óf ERM moet bouwen, maar hoe je het eerste in het tweede schuift zodat één aanspreekbare structuur, niet twee concurrerende, het AI-risico bezit.

AI-certificering: wat bestaat er en wat bewijst het

Analysis

AI-certificering is geen enkelvoudige categorie. Er worden drie verschillende objecten beoordeeld, elk door een ander type beoordelaar: een persoon, het AI-managementsysteem van een organisatie, en een AI-systeem dat op de EU-markt wordt gebracht. De eerste twee kunnen worden gecertificeerd. Het derde valt onder een wettelijke conformiteitsbeoordeling, die op de ene route wel een certificaat oplevert en op de andere niet. Vaststellen welk object een certificaat dekt, is de eerste stap om te bepalen wat het waard is.

Compliance op control-niveau: de EU AI Act als geïnstrumenteerd systeem

Analysis

Compliance op control-niveau betekent voldoen aan de EU AI Act via ingebouwde, bewezen controls in plaats van beleidsdocumenten. De technische artikelen vertalen direct naar systeem-controls: onveranderlijke logs (Art. 12, 19), een noodstop (Art. 14(4)(e)), datamaskering vóór het model (Art. 10), configureerbare blokkeerbeleid (Art. 26), risicoscoring en incidentmelding binnen de termijn (Art. 9, 73), en workspace-isolatie met rolgebaseerde toegang (Art. 14, 26). Compliance op dit niveau is een geïnstrumenteerd systeem, geen beleid als PDF.